信息系统开发评价方法概论.pptVIP

3、无量纲化 一个指标体系中的指标通常存在着异量纲的情况，直接将它们加权平均是不合理的，也没有实际意义，因此考虑将指标值转化为无量纲的相对数——比重，同时数值大小范围在[0，1]内，这种去掉指标量纲的过程，称为数据的无量纲化（也称为数据的规格化）， 它是指标综合的前提。如果我们把指标无量纲化后的数值称为指标评价值，那么无量纲化过程就是指标实际值转化为指标评价值的过程。 无量纲化方法可归结为三类：直线型、折线型和曲线型无量纲化方法。 1)直线型无量纲化方法 常用的直线型无量纲化方法有：阀值法、标准化方法和比重法，其特点是简单、直观。 阀值法：阀值也称临界值，是衡量事物发展变化的一些特殊指标值，比如极大值、极小值、满意值、不允许值等。阀值法使用指标实际值与阀值相比得到指标评价值。 比重法：是将指标实际值转化为它在指标值总和中所占的比重，其公式为： 前者适合指标值均为正数的情况，而后者适合于指标值有负值的情况。 直线型无量纲化方法的实质是假定指标评价值与实际值成线性关系，评价值随实际值等比例变化，即在事物发展的前期和后期指标值相同的变化量引起评价值的变化量是相同的。而这一点与事物发展变化的实际情况可能不符合，这也就是直线型无量纲化方法的最大缺陷。 2)折线型无量纲化方法 这种方法适合于事物发展呈现阶段性，指标值在不同阶段变化对事物总体水平影响是不同的。构造折线型无量纲化方法与直线型不同之处在于必须合理地找出事物发展的转折点的指标值并确定其为评价值。 3)曲线型无量纲化方法 有些事物发展阶段性的分解点不很明显，而前中后各期发展情况又截然不同，也就是说指标值变化对事物总体水平的影响是逐渐变化的，而非突变的，这种情况下，曲线型无量纲化公式更为适合。 有了层次模型中各项评价指标的权值和统计而得的指标值就可以进行综合评估了，最常见的综合算法都是与平均值有关的，加权算术平均、加权几何平均，以及算术平均与几何平均联合使用等。 3、综合评估 例: 科研能力（A） 国家科技项目 北京市科技项目 省部委科技项目 其它纵向科技项目 横向项目 个数B1 个数B2 个数 B3 个数 B4 个数B5 填写判断矩阵 对上述模型设有专家填写了如下判断矩阵： 专家001 专家002 判断矩阵的一致性检查 专家001 最大特征值=5 一致性指标值= 一致性比率= 专家002 最大特征值=5 一致性指标值= 一致性比率= 经单层判断一致性检查通过后，还应继续进行总层一致性检查。若要进行总层一致性检查需对层次模型中的所有判断矩阵进行举例填写，并逐一进行单层一致性检查后再进行总层一致性检查。考虑到科技管理信息系统的整个层次模型较大，数据过多，若一一进行陈列过于繁琐，因此，在此不再描述。现任定两位专家填写的判断矩阵通过了总层一致性检查，其单层层次计算的结果可用于综合评估计算。 总层一致性检查 确定权值 用算术平均发求得最终权值。其结果如下： 数据提取 设提取了5个院系的数据： 无量纲化 采用直线型无量纲化方法的比重法既：将所以未量纲数据求其比重值，如一系B1项为6，其比重值是6/29=20.69%。 综合评估:将无量纲化后的数据与权值先相乘，再对各个院系按准则求和，得到综合的拟量值和最终的排名结果。 评估技术是一类应用性很强的软技术,为了保证评估质量、提高评估水平、对多种复杂的对象进行科学的评估需使用多种评估方法。近年来，围绕着多指标综合评价其他领域的相关知识不断渗入，使得多指标综合评价方法不断丰富，例如： 5、评估方法的研究现状 20世纪60年代产生的模糊数学在综合评价中得到了较为成功的应用，产生了适合于对主观或定性指标进行评价的模糊综合评价法。 多指标综合评价中比较难以解决的是综合时各指标间信息的重复问题，近几十年来迅速发展的多元统计分析为解决这一问题提供了可能性，因而产生了主成分、因子评价法。 由于评价对象的多样性及评价的决策作用，多目标决策方法也溶入到综合评价中来，比如功效系数法，层次分析法等，开阔了评价方法的思路。 运筹学的发展，将投入和产出指标分离开来评价部门间相对有效性的数据包络分析方法，在对非单纯盈利部门进行评价时可取得较好的效果。 信息论、灰色系统理论等也渗透到综合评价中来，产生了熵值法、灰色关联度评价法等。 多维标度分析及空间统计学的发展提高了统计分析技术上的整合能力，使多目标综合评价方法的应用更加深入。 在评估过程中往往存在大量模糊的概念，比如方案的优劣、水平的高低、成绩的好坏等等，这类评估结果（优与劣、高与低、好与坏）之间并没有泾渭分明的界限。评估过程常常